✅ Сбер заставил меня купить новый телефон:

В посте про итоги года я писал, что сделал несколько интересных покупок, и новый телефон — одна из них. Рассказываю, как это вышло.

Все знают про систему СберСпасибо. Многие застали период, когда Мегамаркет раздавал жирные промокоды и сыпал гору бонусов за покупки. В то время я успел заказать несколько вещей и накопить порядка 30к бонусов.

Для понимания: ими можно оплатить до 99% стоимости товара. Но сейчас цены на площадке часто х2 от рынка, и тратить их там просто «жаба» душила.

Как всё закрутилось: 🕺
1) Пуш: Приходит пуш от Сбера — если не потрачу бонусы до конца месяца, обнулится около 8к. Я начал суетиться, составил список того, что давно хотел купить. Поковырялся пару дней и забил, решив, что время еще есть и идеи появятся.
2) Промокод: Через пару дней прилетает новый пуш: скидка 10к при покупке от 40к. Вот тут я загорелся.
3) Поиск: Найти что-то в рынке даже с промокодом было сложно — к многим товарам он просто не применялся. В какой-то момент решил посмотреть телефоны, так как свой как раз хотел обновить.

Какой телефон выбрал и почему именно Android: 🤖
Я пользуюсь Android(ами) всю свою жизнь, так сложилось, и мне принципиально было взять именно его:
• Уже привык к системе.
• Нет заморочек с установкой приложений (банков и т.д.).
• И т.п.

В итоге выбор пал на Samsung Galaxy S25 Ultra. С учетом промокода его цена была в рынке (сравнивал с известным магазином который заканчивается на «77») + я списал свои 30к бонусов. Вот так я и стал счастливым обладателем нового флагмана

Итог: 🤩

О покупке вообще не жалею: работает быстро, экран классный, камера — огонь. Кто знает, возможно, ворвусь в блогинг с Reels? Время покажет.

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ А на какой «стороне» вы: iOS или Android? А какие покупки вы недавно сделали? Пишите в комментариях!
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

🚬 Готовлю вас к собесам и пишу резюме здесь: mentor.dima-sqlit.ru


@dima_sqlit

🤓 Бесплатные материалы для изучения GIT — базовый минимум для аналитики:

Многие слышали о системе контроля версий, она же — GIT. Для аналитики не нужно быть гуру консоли, достаточно понять базовые команды и принципы работы.

Часто GIT в аналитике используется как стандарт для хранения всех DAGов в Airflow и совместной работы над кодом. Рекомендую следующие материалы, которых будет более чем достаточно:

Видеокурсы (видеоматериалы): 🔵
1) GIT - Полный Курс Git и GitHub Для Начинающих [4 ЧАСА]
2) Курс по Git, который делает жизнь разработчика проще
3) Основы командной разработки git в Visual Studio Code [20 МИНУТ]

Курсы на Stepik: 🔵
1) Основы Git и GitHub
2) Основы Git и консольных команд

Итог: 🤩

Освоив эту базу, вы закроете 90% рабочих задач. Если возникнут специфические вопросы, их уже можно будет точечно решать при помощи любой LLM. GIT — это стандарт, и его знание сильно упрощает жизнь в команде.

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Работали с GIT ? Знаете чем отличается GIT от GitHub? Пишите в комментариях!
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

🚬 Делаю резюме, которые превращаются в офферы: mentor.dima-sqlit.ru


@dima_sqlit

😀 Antigravity: как Claude Opus 4.5 изменил мой подход к работе

Использование LLM скоро станет таким же базовым навыком, как SQL или Python — это мое предположение.

Я активно пользуюсь чат-версиями нейросетей, но всегда скептически относился к ассистентам, работающим прямо в IDE или через CLI (в терминале). Казалось, это только усложнит жизнь. 🎩

Но решил попробовать. Выбор пал на Antigravity от Google — там есть топовые модели, включая Opus 4.5 от Anthropic. И я изменил свое мнение. ❤️

В чем преимущество перед браузерными LLM? Всё просто: такие ассистенты позволяют:

1) Создавать файлы: Вы пишете промт, даете права, и ассистент сам создает файл с кодом.
2) Запускать и тестировать код: Нейронка может не только написать код, но и запустить его, протестировать и, если что-то пойдет не так, сама же переписать.
3) Работать с GIT: Ассистент умеет пушить код в репозиторий. (Кстати, про Git я недавно писал здесь).
4) Воспринимать контекст всего проекта: Скачали новый проект? Чтобы быстро разобраться, вам не нужно копировать код кусками в браузер. Просто задайте промт ассистенту, и он прочитает весь проект, ответит на вопросы и даст полное понимание архитектуры. Это реально чудо!
5) И масса других возможностей, которые экономят время.

Итог: 🤩

Чтобы понять всю мощь этих инструментов, нужно попробовать его самостоятельно. Antigravity с Claude Opus 4.5 — это не просто чат, это полноценный помощник, который ускоряет процесс разработки и анализа данных, берет на себя рутину и позволяет сосредоточиться на главном.

Также рекомендую и другие инструменты в сторону которых можно посмотреть (claude code, opencode, codex, cursor, gemini)

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Уже пробовали агентов в IDE? Какие модели используете?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

🚬 Делаю резюме, которые превращаются в офферы: mentor.dima-sqlit.ru


@dima_sqlit

🤔 Как правильно переносить строки в Python-коде: простые правила и примеры

Думаю, часто у многих возникает один и тот же вопрос: как правильно переносить код в Python, чтобы он был и рабочий, и читаемый?
Особенно когда у вас длинные вызовы функций, цепочки методов и SQL внутри скрипта.

База, которую нужно запомнить
1. Внутри (), [], {} можно переносить строки без \.
2. Закрывающую скобку лучше ставить на отдельной строке.

А теперь рассмотрим эти правила на примерах:

1️⃣ Правильный шаблон переноса функции:

Пример правильного шаблона:

df = pd.read_excel(
    "path",
    sheet_name="Sheet1",
    header=0,
)

Почему так удобно:
• быстро читается;
• легко добавлять новые аргументы;

Главное:
• все аргументы на одном уровне отступа;
• без "лесенки" из разного количества пробелов.

2️⃣ Важный момент: скобки не заменяют блок кода:

Вот так писать нельзя:

(
    pd.read_excel("path")
    text = input("Введите запрос")
)

Почему так писать нельзя: в круглых скобках Python ждет выражение, а не несколько инструкций с присваиванием.

Правильно:

df = pd.read_excel(
    "path",
    sheet_name="Sheet1",
)

text = input("Введите запрос: ")

3️⃣ Перенос цепочки методов:

1) Лучший вариант это через написания выражения в скобках: читается проще и меньше шансов сломать форматирование:

result = (
    pd.read_excel(
        "data.xlsx",
        sheet_name="Sheet1",
    )
    .rename(columns={"old": "new"})
    .query("amount > 0")
    .groupby("category", as_index=False)
    .agg(total=("amount", "sum"))
)

2) Можно через обратный слэш, но лучше как исключение:

df = pd.read_excel("dataframe.xlsx") \
    .rename(columns={"name_column": "new_name_column"}) \
    .describe()

Минусы \:
• случайный пробел после \ может сломать строку;
• хуже поддерживать длинные выражения.

Итог: 🤩

Переносы это не "красота ради красоты", а скорость чтения и меньше ошибок.
Рабочее правило простое: перенос через скобки + 4 пробела (табуляция) + единый стиль во всем проекте.

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Как вы переносите код в проектах: через скобки, \ или смешанный стиль?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.


🚬 Пишу резюме специально для вас: mentor.dima-sqlit.ru

🖥 SQL-шаблоны в DBeaver: как ускорить рутину аналитика за 5 минут

Большая часть SQL-работы это повторяющиеся действия.
Один из самых простых бустов продуктивности — это шаблоны в DBeaver.

Простой пример: 🟢

Часто пишем одно и то же:

select * from table_name limit 10;

Меняется только название таблицы.
Вместо ручного ввода создаем шаблон и вставляем его через

Ctrl + Alt + Space.

Как добавить такой шаблон: 🟢

• Переходим в окна (windows) → настройки (preferences) → редакторы (editors) → редактор SQL (SQL Editor) → Templates
• Там вы найдете шаблоны, которые уже идут по стандарту, по аналогии создаете свои запросы
• При этом есть возможность импортировать и экспортировать настройки (то есть вы можете быстро их восстановить в случае сбоя или поделиться своими шаблонами с коллегами, друзьями и т.д.)
• После того, как настроили шаблоны можно при написании кода использовать сочетание клавиш


Ctrl + Alt + Space

и выбрать ваш шаблон

Другие мои посты на тему ускорения вашей работы: 🟢

1️⃣Повышаем продуктивность в Jupyter Notebook - мой личный топ горячих клавиш
2️⃣ Ускоряем написание кода - горячие клавиши, которые работают в DBeaver, Jupyter Notebook, VS Code и других IDE

Итог: 🤩

Чтобы понять, насколько шаблоны в DBeaver ускоряют работу, достаточно один раз собрать свой набор шаблонов под повседневные задачи. Потом возвращаться к ручному набору уже не хочется.


❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Какие SQL-шаблоны у вас самые часто используемые?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

🚬 Готовлю вас к собесам и пишу резюме здесь: mentor.dima-sqlit.ru


@dima_sqlit

😨 Моржовый оператор := в Python: как писать код короче и быстрее

Если вы до сих пор не используете walrus operator (тот самый «морж»), то самое время это исправить. Если коротко - оператор

:=

Позволяет присвоить значение переменной прямо внутри выражения. То есть вам не нужно писать одну и ту же функцию или расчет дважды.

Что это дает на практике: 🟢
1️⃣ Меньше повторений и лишних вычислений.
2️⃣ Код становится компактнее (особенно в циклах и list comprehension).
3️⃣ Меньше нагрузка на CPU/API, если расчет «тяжелый».

Где это реально экономит время: 🟢

🛑 Меньше повторных вызовов:

Без := (вызываем функцию 2 раза):

if get_user_score(user_id) > 80:
    print(get_user_score(user_id))

С := (вызываем 1 раз, результат сохраняем в score на лету):

if (score := get_user_score(user_id)) > 80:
    print(score)

🛑В циклах (обработка сообщений или данных):

Классика для тех, кто работает с API или агентами:

while (msg := get_next_message()):
    handle_message(msg)

Пока сообщение приходит → обрабатываем. Как только вернулся None — цикл сам завершится.

🛑 В list comprehension:

Когда нужно отфильтровать список по результату функции и этот же результат оставить в списке:

squares_gt_10 = [sq for n in nums if (sq := n * n) > 10]

Здесь мы один раз посчитали n * n, проверили его и сразу записали в результат. Красота!

Итог: 🤩

Моржовый оператор — отличный инструмент, чтобы убрать дублирование кода и оптимизировать его там где это возможно.

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Используете := в работе или считаете, что это только путает код?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

🚬 Делаю резюме, которые превращаются в офферы: mentor.dima-sqlit.ru


@dima_sqlit

📈 Скользящее среднее (Moving Average): как увидеть реальный тренд сквозь шум данных

Представьте ситуацию: вы строите бизнесу график дневной выручки, а там — настоящая «кардиограмма». В выходные пик, в понедельник провал, в праздник аномальный выброс. Смотришь на эти качели и не понимаешь: мы глобально растем или летим в пропасть?

Данные часто содержат «шум». Чтобы увидеть реальный тренд, используется Скользящее среднее (Moving Average). Если коротко: мы берем каждую дату и считаем среднее значение не только за этот день, но и за N предыдущих. График выравнивается, и скрытое становится явным.

Разберем на практике: 👨‍💻

Допустим, нам нужно сгладить дневную выручку (revenue) за 7 дней. В SQL это элегантно решается через оконные функции:

SELECT 
    dt,
    revenue,
    AVG(revenue) OVER (
        ORDER BY dt 
        ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
    ) as ma_7d
FROM daily_revenue;

Здесь магия кроется в ROWS BETWEEN 6 PRECEDING AND CURRENT ROW. Мы буквально говорим базе: «для каждой даты возьми текущую строку и 6 строк до неё, а потом усредни».

🛑 Главная ловушка — проблема «Холодного старта»:

Частый вопрос на собесах:

«А что будет с первой строкой в таблице? У неё же нет истории за 6 дней!»

SQL не упадет с ошибкой. Для 1-го дня он посчитает среднее только по 1 дню. Для 2-го — по 2-м. Окно будет постепенно «накапливаться», пока не достигнет 7 дней.
Как с этим жить: Если вам нужна идеальная математическая точность для аналитики, первые дни периода (пока окно не наполнилось) на итоговом графике просто отрезают, чтобы они не искажали картину.

🟢 Как выбрать правильный интервал (окно):

Выбор зависит от того, какие циклы есть в вашем бизнесе:
1️⃣ 7 дней (МА-7) — Золотой стандарт для ритейла и e-commerce. Такое окно захватывает ровно одни выходные и пять будней. Недельная сезонность полностью исчезает с графика.
2️⃣ 28-30 дней — Отлично показывает глобальный тренд месяца. Помогает сгладить эффект от разовых промо-акций или зарплатных дней у клиентов.
3️⃣ 3 дня — Используют для метрик, где критически важно быстро заметить падение (например, конверсия в оплату после релиза новой фичи), но нужно сгладить совсем уж случайные колебания.

Итог: 🤩

🍸 Сохраняйте пост, чтобы информация была всегда под рукой.
❓ А вы использовали скользящее среднее в своих задачах? Какие интервалы обычно берете? Пишите в комментариях!
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

🚬 Готовлю вас к собесам и пишу резюме здесь: mentor.dima-sqlit.ru


@dima_sqlit

🚀 SQL-хак: как проверить любой запрос без таблиц и админских прав за 5 секунд

Представьте ситуацию: вы пишете сложный SQL-запрос. Возможно, там хитрый CASE WHEN или другой хитрый код. Но таблицы, с которыми вы работаете, огромные, тестовой среды нет, а админские права на создание временных таблиц — отсутствуют. Как проверить, что ваш кусок кода вообще работает, не дожидаясь часа, пока выполнится запрос на 100М строк? 😨

В Python мы просто открываем консоль, накидываем тестовые данные в список и проверяем функцию. А в SQL?

Есть решение:

оператор VALUES! 🤩

SQL позволяет "создать" временную таблицу прямо внутри запроса, используя оператор VALUES. Это мгновенно, не требует никаких прав и не оставляет следов в базе.

Как это работает: 👨‍💻

Допустим, нам нужно проверить, как поведет себя CASE WHEN с разными статусами.

-- Создаем "виртуальную" таблицу прямо на лету!
SELECT 
    t.id,
    t.status,
    CASE 
        WHEN t.status = 'approved' THEN '✅ Одобрено'
        WHEN t.status = 'pending' THEN '⏳ В ожидании'
        ELSE '❌ Отклонено'
    END as status_text
FROM (
    VALUES 
        (1, 'approved'),
        (2, 'pending'),
        (3, 'rejected'),
        (4, 'approved'),
        (5, 'unknown')
) as t(id, status);

Что здесь происходит: ✅

• VALUES (...): Мы передаем список кортежей, где каждый кортеж — это одна строка нашей "виртуальной" таблицы.
• AS t(id, status): Мы даем этому набору данных имя t (как будто это таблица) и присваиваем имена колонкам: id и status.
• FROM (...) as t: Теперь к этому "набору данных" можно обращаться как к обычной таблице t, джойнить, применять оконные функции, фильтровать — все, что угодно!

Итог: 🤩

Оператор VALUES — это как маленькая песочница для SQL-разработчика. Позволяет мгновенно проверить любую SQL-логику, изолировать ошибку и быть уверенным в своем коде, прежде чем запускать его на "боевых" данных. Must-have для каждого, кто ценит свое время!

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Знали об этом трюке? Или тоже мучались, создавая временные таблицы? Делитесь в комментариях! 👇
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.

🚬 Делаю резюме, которые превращаются в офферы: mentor.dima-sqlit.ru


@dima_sqlit

🎙 Handy: как превращать голос в текст и не терять гениальные идеи:

Бывает так: сидишь, пилишь сложную задачу или пишешь код, и тут в голову пришла гениальная идея по другому проекту или пришел инсайт, как пофиксить старый баг.

Обычно в этот момент мы либо бросаем текущую задачу и лезем записывать (теряя фокус), либо надеемся на память (и благополучно забываем всё через 5 минут). Печатать текст руками — это долго и часто лень, особенно когда ты «в потоке».

Решение: Handy. Это бесплатная утилита (работает она на основе Whisper от OpenAI) которая позволяет мгновенно превратить голос в текст, не отрываясь от работы. 🚀

👨‍💻 В чем киллер-фича для продуктивности:

1️⃣ Мгновенный ввод: Зажимаем Ctrl + Пробел (дефолтный хоткей в Handy), наговорили мысль, как только закончили отжимаем Ctrl + Пробел и Handy транскрибирует голос и сразу вставляет текст в активное поле (IDE, мессенджер, заметки).
2️⃣ Сохранение контекста: Вы тратите 5 секунд на то, чтобы «выгрузить» идею из головы, и тут же продолжаешь работать над основной задачей. Время на написание текста не тратится вообще
3️⃣ Программа всегда работает в фоне и не мешает вашим основным задачам.

🤖 Идея для мощного воркфлоу: Суммаризация через LLM

Я использую Handy, чтобы быстро «сливать» поток сознания в одну заметку в течение дня. А вечером делаю следующее:
Собираю все записанные за день мысли в один блок.

• Закидываю их в нейронку (ChatGPT/Claude).
• Прошу: «Суммаризируй эти идеи и преврати их в список задач или структуру для постов».
• Это позволяет освободить голову для работы прямо сейчас, зная, что ни одна деталь не потеряется и будет обработана позже.

Где забрать Handy: 🔥
Рекомендую попробовать всем, кто ценит свое время и хочет ускорить процесс формализации идей.

• 📂 Исходники на GitHub — если хотите посмотреть, как всё устроено внутри.
• 🌐 Официальный сайт Handy — здесь можно изучить подробности и скачать программу.

Итог: 🤩

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ А вы пробовали накидывать идеи голосом, а потом «скармливать» их нейронке для структуры? Делитесь опытом в комментариях! 👇
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.

🚬 Провожу консультации, подробности по ссылке: mentor.dima-sqlit.ru


@dima_sqlit

✅ Airflow против Crontab: когда не стоит усложнять и проще использовать Crontab?

В мире дата-инжиниринга Airflow — это стандарт. Но часто бывает так: вам нужно просто запускать один SQL-скрипт или Python-парсер раз в день. Вы идете к дата-инженерам, а там: «Создай тикет, подожди аппрува в GitLab, пропиши DAG, дождись деплоя...».

Иногда проще и быстрее вспомнить про дедовский, но рабочий метод — Crontab.

Почему все топят за Airflow? 🔵

Airflow — это мощный оркестратор, и он крут, когда:
• У вас сложные зависимости (скрипт Б должен упасть, если не отработал скрипт А).
• Нужен красивый UI, чтобы следить за статусами.
• Нужна встроенная отчетность и легкий перезапуск.
• И так далее.....

Но если ваша задача — «просто запусти этот скрипт в 8 утра», Airflow может стать лишним бюрократическим барьером.

Crontab: быстро и просто 🔵

Crontab — это встроенный в Linux планировщик задач. Его главный плюс: автономия. Вам не нужно ждать деплоя или одобрения всей команды инженеров.

Как это работает: 🔵

Вы заходите на сервер и одной строчкой в терминале прописываете расписание. Например:

0 8 * * * python3 /path/to/your_script.py

(Запуск каждый день в 08:00)

«А как же логи и алерты?» — спросите вы. ✅
• Да, у Cron нет UI, но это решается парой строк кода:
• Логирование: Просто дописываем в скрипт базовый logging или сохраняем вывод в .txt файл.
• Алерты: Пишем простенькую функцию, которая в блоке except кидает сообщение об ошибке вам в Telegram-бота (как написать просто бота для Telegram смотрите в моем посте)

Итог: 🤩

Airflow придуман не просто так, и для больших систем он незаменим. Но если вам нужно быстро и просто запустить автоматизацию здесь и сейчас, не бойтесь использовать Crontab.

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ А вы за что: за строгий порядок в Airflow или за быструю автоматизацию на Cron? Пишите в комментариях! 👇
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.

🚬 Провожу консультации и готовлю к собесам: mentor.dima-sqlit.ru


@dima_sqlit

👨‍💻 Бесплатный вайбкодинг с Qwen3-coder-next:

Сейчас такое время, что не использовать нейронки — это значит быть на несколько шагов назад. Все вокруг говорят про платные подписки, Cursor, Claude, Gemini или ChatGPT Plus, но не все готовы выкладывать по $20 в месяц просто «на попробовать».

Хорошая новость в том, что сейчас можно вайбкодить абсолютно бесплатно. Например, есть топовая модель от Китайцев — Qwen3-coder-next. Она заточена именно под кодинг и SQL, и по тестам выдает результаты не хуже топовых платных моделек.

Почему это нужно изучать прямо сейчас: 🔵
🔹 Порог входа: Можно бесплатно протестировать технологию и понять, «твоё» это или нет.
🔹 Рынок: Навык работы с AI становится актуальным (можно посмотреть тренд иностранных компаний, да и на нашем рынке бигтехи дают своим сотрудникам возможность пользоваться нейронками).
🔹 Скорость: То, что раньше гуглилось и делалось 30 минут, теперь пишется за 30 секунд.

Как всё это пощупать самому? 🔵
Если ты хочешь разобраться, как это работает, как всё настроить и не платить ни копейки — я нашёл отличное видео. Там по полочкам раскладывают, как поставить модель, как её тестировать и на что она реально способна в боевых условиях.

🛑 Видео: Как запустить Qwen3-coder-next

Итог: 🤩

Не обязательно сразу покупать дорогие подписки. Сейчас идеальный момент, чтобы запрыгнуть в тему нейросетей через мощные бесплатные инструменты. Попробуйте, посмотрите видео.

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Уже пробовали «вайбкодить» с нейронками? Делитесь опытом в комментариях! 👇
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.

🚬 Провожу платные консультации: mentor.dima-sqlit.ru


@dima_sqlit

🏠 IT-ипотека и личные финансы: как управлять деньгами, когда вписался в крупную покупку:

Не так давно я взял IT-ипотеку (да-да, об этом будет отдельная серия постов). В такие моменты мозг невольно переключается в режим усиленного контроля: начинаешь внимательнее следить за тратами и активнее искать новые источники дохода. 💸

Круто, когда есть у кого перенять опыт. Для меня таким опытом является канал Наташи — она раскладывает по полочкам не только IT-будни, но и финансовую грамотность. Если хотите привести свои счета в порядок, рекомендую начать с этих постов:

Топ материалов по финансам: 🔵

1️⃣ Как следить за своими доходами — база для тех, кто хочет понимать, куда уходят деньги.
2️⃣ Сколько можно заработать на вкладах — реальные цифры и личный опыт.
3️⃣ Самые простые источники доп. дохода — как заставить ресурсы работать на вас.


Кстати, Наташа тоже недавно прошла через квест с IT-ипотекой. Можете почитать её историю, пока я готовлю свою:

📌 Айти-ипотека: Часть 1
📌 Айти-ипотека: Часть 2

Итог: 🤩
Управление финансами — это такой же хард-скилл, как SQL или Python. Чем раньше начнете его прокачивать, тем спокойнее будете чувствовать себя при любом курсе валют или ипотечной ставке.


@dima_sqlit

🐍 Рабочий кейс: как декораторы спасают мои выгрузки данных:

У нас на проекте данные постоянно перекладываются из одной СУБД в другую почти в режиме реального времени и если попасть на этот момент во время выгрузки, то выпадает ошибка и приходится перезапускать скрипт, а что если нужно выгрузить большой объема данных? Сидеть, смотреть и ручками все контролировать не наш вариант 👨‍💻

Чтобы не обкладывать каждую функцию громоздкими try-except и не перезапускать всё руками, я использую декораторы. Давайте разберемся, что такое декораторы.

Посмотрим на максимально простой пример:

def retry(func):
    def wrapper(*args, **kwargs):
        print("--- Логика ДО запуска (например, проверка связи) ---")
        result = func(*args, **kwargs) # Запуск вашей функции
        print("--- Логика ПОСЛЕ запуска ---")
        return result
    return wrapper

@retry
def get_data(month):
    print(f"Выгружаем данные за {month}...")

get_data("Январь")

Что здесь происходит на самом деле?
Многие думают, что @ — это какая-то магия. На самом деле, когда вы пишете @retry над функцией, Python делает за вас вот такую подстановку:

get_data = retry(get_data)

Ваша функция get_data буквально залетает в retry как аргумент. А внутри wrapper мы уже можем докрутить что угодно: добавить цикл for для повторных попыток или поставить паузу time.sleep, чтобы подождать, пока данные «доедут» до хранилища.

Давайте так: 💯
Если под этим постом наберем 50 реакций, я выложу в комментарии свою реальную рабочую версию декоратора с этого кейса. Там настроено количество попыток, время ожидания между ними.

Итог: 🤩


❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ А какой самый непонятный момент в декораторах для вас? Попробуем разобрать в комментариях!👇
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.


🚬 Провожу обучение и консультации: mentor.dima-sqlit.ru


@dima_sqlit

🔥 Claude Opus 4.6 (бесплатно) — а точнее MiMo-V2-Pro:

Да, вы не ослышались — бесплатный аналог уровня Claude Sonnet и Claude Opus. И я сам в это не верил, пока не попробовал.
Сейчас расскажу, как получить доступ к MiMo-V2-Pro абсолютно бесплатно и без ограничений на 7 дней.

Что такое MiMo-V2-Pro? 🤔

Это языковая модель от Xiaomi, которая по качеству ответов реально тянет на уровень Claude Sonnet и Claude Opus. Я активно тестирую её последние несколько дней и вам скажу честно — уровень вышка.

Сравнивал на своих задачах:
• Генерация SQL-запросов
• Объяснение кода
• Написание Python-скриптов
• Анализ данных
И самое главное — это бесплатно и безлимитно на 7 дней.

Как подключить? Всего 3 шага: ⚡️

1️⃣ Скачайте VS Code (если ещё нет):
https://code.visualstudio.com/
2️⃣ Установите расширение Kilo Code:
Откройте VS Code → Extensions (Ctrl+Shift+X) → найдите "Kilo Code" → Install
3️⃣ Выберите модель MiMo-V2-Pro:
После установки расширения в настройках выберите модель MiMo-V2-Pro — и всё, можно работать.

Почему стоит попробовать? 🔥

• Абсолютный безлимит на 7 дней — никаких ограничений по запросам
• Уровень Claude Sonnet/Opus — проверено на практике
• Работает прямо в VS Code — не нужно переключаться между окнами
• Бесплатно — ни копейки не платите

Я сам сейчас активно тестирую MiMo-V2-Pro для своих задач по аналитике и вам советую попробовать. Успевайте — неизвестно, сколько будет действовать бесплатный период.

Давайте так: 💯
Если под этим постом наберем 60 реакций, я выложу пост про то, как бесплатно использовать Nano Banana Pro — тоже топовая модель, для генерации изображений.

Итог: 🤩

Если вы аналитик, разработчик или просто пишете код — попробуйте MiMo-V2-Pro через Kilo Code. Это реальная альтернатива платным моделям, которая работает не хуже.

❤️ Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Пробовали MiMo-V2-Pro? Какие впечатления? Делитесь в комментариях!👇
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.


🚬 Провожу обучение и консультации: mentor.dima-sqlit.ru


@dima_sqlit

🏦 Разбор задачи с собеседования в Тинькофф (Т-банк).
Считаем «окна» неактивности пользователя в SQL. Часть 1

На интервью в крупные финтех-компании (Тинькофф, Яндекс, Авито) часто дают эту задачу, чтобы проверить, умеете ли вы работать с временными рядами и оконными функциями.

Суть задачи:
Есть таблица логов user_actions с колонками user_id и action_timestamp. Нужно найти все случаи, когда пользователь «пропадал» более чем на 30 минут между двумя действиями.

Как это решается «на пальцах»?
Нам нужно сравнить время текущего действия со временем ПРЕДЫДУЩЕГО. В SQL для этого есть идеальный инструмент — оконная функция LAG. Представьте, что вы стоите в очереди и спрашиваете человека сзади: «А когда зашел тот, кто был перед тобой?».

Простейший пример решения:

WITH time_diffs AS (
  SELECT 
    user_id,
    action_timestamp,
    -- Достаем время предыдущего действия для этого же юзера
    LAG(action_timestamp) OVER(PARTITION BY user_id ORDER BY action_timestamp) as prev_ts
  FROM user_actions
)
SELECT 
  user_id,
  prev_ts as gap_start,
  action_timestamp as gap_end,
  -- Считаем разницу (в разных СУБД синтаксис даты чуть разный)
  (action_timestamp - prev_ts) as duration
FROM time_diffs
WHERE (action_timestamp - prev_ts) > interval '30 minutes'

Почему здесь нужны оконные функции?
1️⃣ PARTITION BY user_id: Мы не хотим сравнивать время Васи со временем Пети. Окно «запирает» расчеты внутри конкретного пользователя.
2️⃣ ORDER BY: Чтобы LAG понимал, какое действие было действительно предыдущим, данные должны быть отсортированы по времени.
3️⃣ Чистота: Без оконных функций пришлось бы делать тяжелый JOIN таблицы самой на себя, что на миллионах строк просто «повесит» базу.

Давайте так: 👇
Эта задача — только верхушка айсберга. Если мы наберем под этим постом 50 реакций ❤️, я выложу вторую часть решения: как не просто найти разрывы, а сгруппировать их в полноценные сессии неактивности (задача Gaps and Islands в переводе "Пробелы и Острова").

Итог: 🤩

Оконные функции — это маст-хэв для аналитика. Научитесь пользоваться LAG и LEAD, и 80% задач на временные интервалы будут решаться за 5 минут.

❓ А вам попадались задачи на интервалы на собеседованиях? Что было самым сложным? Пишите в комментариях!
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.


🚬 Провожу обучение и консультации: mentor.dima-sqlit.ru


@dima_sqlit

📊 Дашборды, за которые не стыдно

Нашёл для себя крутой канал про BI и дашборды — «Пирожки и бары»
Ведёт Маша, тимлид BI-аналитиков в Авито 😎

Здесь реально полезно и при этом не занудно. Например, недавно там была прожарка графиков для королевы Елизаветы II — да, вы не ослышались 🍟

Ещё рекомендую глянуть:

🛑Чек-лист хорошего дашборда
🛑5 вопросов для сбора требований к дашборду
🛑Как выбесить аналитика: вредные советы для заказчиков
🛑Подборка ресурсов для изучения SQL
🛑Матрица компетенций BI-разработчика
🛑Реальная история: неудачный карьерный старт

➡ Подписывайтесь, чтобы не потерять

🏦 Разбор задачи с собеседования в Тинькофф (Т-банк).
Формируем сессии для пользователей по указанному интервалу времени в SQL. Часть 2

В предыдущем посте мы просто нашли разрывы неактивности. Сейчас рассмотрим продолжение «Сгруппируй все действия в сессии активности».

Давайте разберем это на примере с двумя пользователями (Вася и Петя) по шагам.

Исходные данные (6 строк логов):

| user_id | action_time | Комментарий 
|---------|-------------|-------------
| Вася    | 10:00       | Старт Васи (Сессия 1) 
| Вася    | 10:15       | Вася активен 
| Вася    | 11:30       | Разрыв! (75 мин) → Старт Васи (Сессия 2)
| Вася    | 11:40       | Вася активен 
| Петя    | 12:00       | Старт Пети (Сессия 1)
| Петя    | 12:10       | Петя активен

Шаг 1. Находим моменты «разрыва»:

С помощью LAG мы смотрим разницу с предыдущим временем внутри каждого юзера. Если разница > 30 минут — ставим флаг 1.

| user_id | action_time | Diff   | is_new_session        |
|---------|-------------|--------|------------------------|
| Вася    | 10:00       | -      | 0                      |
| Вася    | 10:15       | 15 мин | 0                      |
| Вася    | 11:30       | 75 мин | 1 (Новый остров)       |
| Вася    | 11:40       | 10 мин | 0                      |
| Петя    | 12:00       | -      | 0 (Сброс счетчика)     |
| Петя    | 12:10       | 10 мин | 0                      |

WITH step1 AS (
  SELECT 
    user_id,
    action_timestamp,
    CASE 
      WHEN action_timestamp - LAG(action_timestamp) OVER(PARTITION BY user_id ORDER BY action_timestamp) > interval '30 minutes' 
      THEN 1 ELSE 0 
    END as is_new_session
  FROM user_actions
),

Шаг 2. Хитрый трюк с кумулятивной суммой:

Нам нужно дать строчкам одной сессии общий ID. Мы суммируем наши флаги сверху вниз. Благодаря PARTITION BY user_id сумма сбрасывается для нового юзера.

| user_id | action_time | is_new_session | session_id (Сумма)        |
|---------|-------------|----------------|---------------------------|
| Вася    | 10:00       | 0              | 0                         |
| Вася    | 10:15       | 0              | 0                         |
| Вася    | 11:30       | 1              | 1 (Сумма стала 1)         |
| Вася    | 11:40       | 0              | 1                         |
| Петя    | 12:00       | 0              | 0 (Счетчик обнулился!)    |
| Петя    | 12:10       | 0              | 0                         |

step2 AS (
  SELECT 
    *,
    SUM(is_new_session) OVER(PARTITION BY user_id ORDER BY action_timestamp) as session_id
  FROM step1
)

Шаг 3. Финальная агрегация (и как сделать ID уникальным):

Теперь всё просто: мы говорим базе «Сгруппируй все действия с одинаковым user_id и session_id в одну строку». Чтобы ID был глобально уникальным, мы склеиваем их.

| user_id | unique_session_id | start  | end    | count |
|---------|-------------------|--------|--------|-------|
| Вася    | Вася_0            | 10:00  | 10:15  | 2     |
| Вася    | Вася_1            | 11:30  | 11:40  | 2     |
| Петя    | Петя_0            | 12:00  | 12:10  | 2     |

SELECT 
  user_id,
  -- Генерируем уникальный ID для сессии
  user_id || '_' || session_id as unique_session_id,
  MIN(action_timestamp) as session_start,
  MAX(action_timestamp) as session_end,
  COUNT(*) as actions_count
FROM step2
GROUP BY user_id, session_id

Давайте так: 👇
Вы накидываете интересные вам задачи в комментарии и я постараюсь разбирать некоторые из них в следующих постах. Ну и давайте наберем под этим постом 50 реакций ❤️ и я чуть позже приложу в комментариях этот пост в формате markdown для вашего удобства.

Итог: 🤩

Сохраняйте этот пример, чтобы не запутаться в логике!

❓ Вам, попадалась такая задача на собеседованиях? Пишите в комментариях!
✔️ Подпишитесь на канал, чтобы не пропустить следующие хаки.


🚬 Провожу обучение и консультации: mentor.dima-sqlit.ru


@dima_sqlit

👨‍💻 Кодинг — всё? Андрей Карпатый (OpenAI) перестал писать код. А ты?

«Мои навыки написания кода атрофируются» —цитата Андрея Карпатого.
Того самого, кто строил OpenAI и автопилот в Tesla.

Если даже такие гиганты признают, что перестают писать код «руками», то к чему готовиться нам? Просто нажимать кнопку «Сделай красиво» и надеяться на чудо? Скажу честно: я и сам всё меньше «пишу» и всё больше «проверяю». Дирижирую нейронками.

Казалось бы, вот оно — счастье: машина работает за тебя. Но именно за этой иллюзорной легкостью и зарыта главная западня, о которой молчат адепты «нейросети заменят всех»:

1️⃣ ИИ — это «черный ящик», который с определенной вероятностью выплевывает результат. Это типичный «кот в мешке»: нейронка не думает, она просто считает статистику и подбирает наиболее вероятные слова и куски кода. Забыл фильтр is_test или сделал кривой JOIN по не уникальному ключу — и твои продажи в отчете улетели в стратосферу. Выглядит эффектно, пока не придет реальный аудит и тебя не выставят виноватым за мусор в данных.
2️⃣ Ты не можешь проверить то, чего не понимаешь. Без знания базы ты превращаешься в «прокладку» между нейронкой и базой данных. Ты не управляешь процессом — процесс управляет тобой.
3️⃣ База — это твой страховой полис. Порядок входа в профессию только один: сначала база и «руки», понимание каждой строчки, и только потом — использование ИИ-агентов. По-другому это не работает. Без фундамента любая сложная задача превратит твой проект в тыкву при первой же ошибке нейросети.

Итог: 🤩

Есть одна жесткая правда: ИИ делает умных умнее, а глупых — ещё глупее.
Если у вас есть база, нейронка становится вашим множителем. Она дает вам суперсилу и высвобождает время для реально сложных задач. Но если ваши знания в коде — это «ноль», то результат умножения на ИИ всё равно останется нулевым.

Учите базу сейчас, чтобы завтра быть тем самым «дирижёром», который ведет проект

❓ А вы уже ловили ИИ на жестких косяках в коде? Или доверяете ему на все сто? Поделитесь историями в комментариях!
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.


🚬 Вопросы, обучение, консультации: mentor.dima-sqlit.ru


@dima_sqlit

🤖 Как бесплатно использовать Claude Code на базе Claude Sonnet 4.5:

Друзья, сегодня расскажу, как можно бесплатно попробовать Claude Code — мощный инструмент для работы с кодом на базе Claude Sonnet 4.5.

Что это даёт?
🔥 Claude Code — это не просто чат-бот. Это полноценный AI-ассистент для разработки, который умеет:
• Читать и анализировать код
• Писать и рефакторить функции
• Помогать с отладкой
• Работать с файлами проекта

Обычно доступ к Claude Sonnet 4.5 платный, но есть способ протестировать его бесплатно через omniroute.

Как это сделать:
1️⃣ Посмотрите это видео — там пошагово показано, как получить доступ к Claude Sonnet 4.5 через omniroute (код из видео я приложил в комментариях для вашего удобства).
2️⃣ Следуйте инструкциям из видео — настройка занимает буквально 10-15 минут.
3️⃣ Запускайте Claude Code и тестируйте все возможности: от генерации кода до работы с вашими проектами.

Почему стоит попробовать прямо сейчас?
⚡️ Пока есть возможность бесплатного доступа — используйте её! Это отличный шанс оценить, насколько AI может ускорить вашу работу с кодом.


🔥 Поставьте 50 реакций на этот пост — и я начну делать серию материалов о том, как я применяю нейронные сети в работе и повседневной жизни! Покажу реальные кейсы, которые упрощают рутину и экономят часы времени.

🚬 Провожу консультации по нейросетям: научу использовать эффективно, экономить на подписках и учиться быстрее с помощью AI.

🗽Написать в ЛС | mentor.dima-sqlit.ru



@dima_sqlit

🧠 Obsidian + нейронка — ваш личный второй мозг:

Каждый раз, когда открываешь нейронку — она тебя не помнит. Ни задач, которые ты уже решал, ни ошибок, на которых набивал шишки. Каждый раз с чистого листа.

А если дать ей память? Обсидиан + нейронка решают эту проблему раз и навсегда.
Идея простая: накапливаешь свою базу знаний в Obsidian → потом нейронка работает уже на основе твоего контекста.

Как это выглядит в жизни: ✅

1️⃣ База знаний по работе Ведёшь рабочий дневник. Описываешь задачи: что за задача, как подошёл, с чем столкнулся, как решил. Через месяц у тебя не "ну я вроде что-то похожее делал", а конкретная точка входа.

🔵 Кейс 1 — ты помнишь, что что-то похожее уже решал, но не помнишь где. Спрашиваешь нейронку: «Я что-то подобное делал, помоги найти». Бам — находит.
🔵 Кейс 2 — хочешь понять, что можно автоматизировать в своей работе. Говоришь: «Посмотри всё, что я делал. Найди слабые места. Что можно ускорить и улучшить?» И получаешь реальный разбор, а не общие советы из интернета.

2️⃣ Личная база знаний (не рабочая) Ведёшь дневник, записываешь что читал, как питался, что смотрел, что думал. Потом спрашиваешь: «Хочу улучшить свою продуктивность — посмотри мои заметки и предложи, что поменять». Нейронка знает твою ситуацию, а не абстрактного человека из интернета.

Почему Obsidian, а не просто папка с файлами? ✅

Там можно удобно строить связи между заметками. Вы сами настраиваете, что с чем связано — нейронка потом ориентируется в этой структуре и выдаёт релевантные ответы, а не гадает по куче разрозненных файлов.

Ещё один крутой кейс — добавление нового материала ✅

Поработал с новым материалом, прочитал статью, прошёл кусок курса. Говоришь нейронке: «Вот новый материал. Проанализируй мою базу знаний и предложи, куда это вписать, с чем это связать». Она сама найдёт нужные заметки и покажет, как это встраивается в то, что ты уже знаешь.

Это работает для чего угодно: аналитика, английский язык, питание, саморазвитие — масса применений.
Чтобы разобраться с Obsidian с нуля, я уже писал об этом статью — вот ссылка: [Obsidian]

🔥 Набираем 70 реакций на этот пост — и готовлю новый огненный пост про использования нейронок
🚬 Вопросы, обучение, консультации: Написать в ЛС | mentor.dima-sqlit.ru



@dima_sqlit